在人工智能研究领域，OPPO AI团队近期提出了一项突破性框架——SMTL（Search More, Think Less），该框架通过重构智能体的问题解决模式，为深度研究型AI系统开辟了新路径。与传统依赖长时间推理的智能助手不同，SMTL采用并行信息获取策略，将复杂任务分解为多个可同时执行的子任务，显著提升了处理效率与结果准确性。
研究团队将传统AI比作埋头苦思的学者，面对问题时往往需要逐步推导，而SMTL则被形容为经验丰富的图书管理员——通过同时派遣多个助手搜集信息，再快速整合结果。这种策略在BrowseComp基准测试中展现出显著优势：在最多100次交互内，平均推理步数减少70.7%，准确率从41.2%提升至48.6%。实验数据显示，SMTL-100模型仅需60.4步即可达到44.6%准确率，而同类模型MiroThinker-v1.0需要206步才能实现41.2%的准确率。
该框架的核心创新在于并行智能体工作流，其运作机制包含三个阶段：初始计划构建阶段将任务拆解为可并行处理的子目标；并行执行阶段通过多线程工具调用（如网络搜索与页面抓取）同步获取信息；动态计划完善阶段则根据实时反馈调整任务优先级。这种设计使系统每步平均执行3.5次工具调用，信息密度较传统方法提升3倍以上。研究团队特别强调，并行策略并非简单增加计算量，而是通过优化任务组织方式实现效率跃升。
训练过程采用两阶段策略：监督微调阶段使用蒸馏自DeepSeek-V3.2与GPT-5的轨迹数据，强化学习阶段则引入改进的REINFORCE Leave-One-Out算法。为解决训练-推理不匹配问题，团队对rollout校正应用序列级重要性采样，并过滤由环境问题导致的负面轨迹。奖励机制设计上，系统仅对正确答案分配奖励1，同时对工具调用格式错误实施零容忍策略，确保模型学习到高效的信息获取模式。
在深度搜索任务评估中，SMTL在BrowseComp、XBench-DeepSearch和WebWalker-QA等基准上均取得领先成绩。特别是在300步预算设置下，其准确率较基线模型提升5个百分点，达到48.6%。开放式研究评估显示，该框架在综合性、洞察力深度与指令遵循等维度表现均衡，总体得分45.9%超越多个30B规模开源模型。案例分析表明，SMTL能在8个交互轮次内定位关键证据，而顺序推理模型需要16轮次才能达到同等水平。
消融实验揭示了框架设计的关键要素：增加网络搜索的top-k参数（返回结果数量）可显著提升性能，当top-k从4增至8时，SMTL-300准确率提升7.7%；而传统模型依赖的交互步数扩展对成功案例影响有限，失败案例则与预算耗尽密切相关。这些发现印证了研究团队的假设——在长视野搜索中，扩展检索广度比增加推理深度更具效益。技术细节方面，SMTL通过溢出触发压缩方案管理上下文，采用目标条件摘要技术提升爬取效率，并设计双系统prompt分别支持不同任务类型。
该研究已开源代码、模型与数据集，为学术界提供完整的研究基础设施。实验结果表明，SMTL框架在保持结构化任务处理能力的同时，实现了推理成本与结果质量的双重优化。这种"以搜索为中心"的设计范式，为开发能够处理复杂现实问题的通用智能体提供了新思路，其并行信息整合机制尤其适用于需要多源数据验证的应用场景。
